精通 Claude Agent 技能 - 建構你的 AI 超能力武庫完整指南

我真正理解技能是什麼的那一刻

讓我給你講個故事。想像一下，你被要求指導一位才華橫溢的新員工。這個人極其聰明——是你見過的學得最快的人，幾乎能理解你解釋的任何事情，能就任何話題侃侃而談。但有一個問題：他們不知道公司的規則。

每天早上，你都要坐下來向他們解釋同樣的事情。「這是我們要如何格式化報告。這是我們的程式碼風格。這是這封郵件要副本給誰。這是客戶提案的範本。」而每天午飯後，他們不知怎麼就全忘了。不是因為他們笨——他們很聰明。而是因為他們沒有關於你公司做事方式的持久記憶。

這正是過去與 AI 合作的感覺。

提示詞（Prompts）就像站在那位新員工旁邊，當場給出在口頭指令。「把這封郵件寫得正式點。」「這裡用項目符號。」「檢查這段程式碼的 bug。」這行得通。但當你結束對話的那一刻，一切都消失了。每一次新的聊天都從零開始。

技能（Skills）就像遞給他們一本內部 SOP 手冊——一個包含規範、腳本、範本和參考資料的知識庫資料夾。Agent 會在需要的時候查找它需要的內容。最關鍵的是，這本手冊在每次對話中都持續存在。

這是一個突破性的洞察：技能不僅僅是花俏的提示詞。它們是一個完全不同的範式。提示詞是反應式的——你給出指令，你得到回應。技能是主動式的——它就在那裡，等待在相關時被發現和應用，並且每次都以相同的方式執行。

技能實際上包含什麼

每個技能都是一個資料夾，而不僅僅是一個文字檔。這一點理解起來至關重要。在這個資料夾裡，你可以擁有：

當我第一次看到這個結構時，我想：「等等，這就像在建構一個小應用程式。」完全正確。每個技能都是一個獨立的、自包含的能力模組。有些很簡單——只是一個包含校對規則的 markdown 檔案。有些很複雜——包含處理數據、上傳到伺服器並產生報告的完整 Python 腳本。

技能是何時出現的？

Anthropic 在 2025 年 10 月為 Claude Code 發布了技能功能。起初，我以為這只是另一個功能更新。但在 2025 年 12 月發生了一件事——他們透過 agentskills.io 將技能作為標準開放了。突然間，技能不僅僅是 Claude 的東西了。OpenAI 的 Codex CLI 採用了相同的架構。Cursor, Codebuddy, OpenCode — 每個人都開始建構相容性。

技能成為了 AI Agent 能力擴充的事實標準，就像 MCP 迅速成為每個人連接外部的通訊協定一樣。

至於流行程度？讓我這樣說吧：一個包含 50+ 個 Claude 技能的儲存庫在 GitHub 上達到了 1.8 萬星。在 AI 圈子裡，「技能」這個詞現在就像 2023 年的「提示詞」一樣無處不在。

漸進式揭露 - 為什麼這個設計是天才之作

在理解漸進式揭露之前，我一直有一個擔憂：「如果我安裝了 50 個技能，Claude 的上下文不會爆炸嗎？載入技能描述會不會就要燒掉幾千個 Token？」

這正是 Anthropic 設計才華閃耀的地方。他們借鑒了 UX 設計中的一個概念——漸進式揭露（Progressive Disclosure）——並將其完美地應用於 AI 上下文管理。

三層載入系統

漸進式揭露意味著分階段按需載入。Claude 不會在啟動時把所有東西都傾倒進上下文。相反，它使用了一個三層系統：

讓我們算算帳

這是一個讓我對該設計讚嘆不已的比較：

這減少了 75% 的 Token 消耗。 而這還沒算上腳本帶來的優勢。

腳本的魔力

這就是技能將提示詞遠遠甩在身後的地方。當一個技能包含腳本時，神奇的事情發生了：

1. Claude 產生指令：python scripts/upload_image.py image.png
2. 腳本在你的機器上本地執行
3. 只有輸出（如圖片 URL）返回給 Claude

腳本程式碼本身從未進入上下文。

想想這意味著什麼。你可以編寫一個 500 行的 Python 腳本來處理每一個邊緣情況，擁有穩健的錯誤處理、記錄檔記錄、重試機制——所有這些會讓提示詞變得極其臃腫的東西。Claude 只需要知道「執行這個腳本」。複雜性被封裝了。

行動端選單的比喻

如果你設計過行動應用程式，你會非常熟悉漸進式揭露。這就是為什麼我們有漢堡選單——我們不會立即向使用者展示 47 個選項。我們展示一個選單圖示。他們點擊。他們看到分類。他們再次點擊。他們找到想要的設定。

目的是什麼？永遠不要用資訊淹沒使用者。分解成易消化的塊。讓使用者（或者在這裡，是 AI）能夠以最小的認知負荷專注於當前任務。

人類的工作記憶大約能容納 7±2 個資訊塊。受限於上下文視窗的 AI，本質上有著相同的限制。漸進式揭露在這兩種情況下都尊重了這一限制。

技能 vs MCP vs Subagent - 終於理清了

這個問題困擾了我好幾個星期。MCP、技能、Subagent——它們似乎都能「擴充 Claude 的能力」。真正的區別是什麼？在使用這三者建構之後，我終於有了一個講得通的答案。

一句話的區別

MCP 讓 Claude 接觸外部系統。技能告訴 Claude 如何使用它接觸到的東西。Subagent 派別人去幹活。

讓我用真正幫助我理解的類比來展開說明：

對比表

何時使用哪個

在需要連接外部系統時使用 MCP：

• 查詢資料庫
• 呼叫第三方 API
• 讀/寫 Notion, Jira, GitHub, Salesforce
• 存取任何需要認證的服務

在有重複性工作流時使用技能：

• 具有特定檢查清單的程式碼審查流程
• 具有一致風格規則的文章校對
• 標準格式的報告產生
• 任何你發現自己重複輸入的指令

在任務複雜且可平行化時使用 Subagent：

• 審查整個程式碼庫（耗時）
• 同時處理多個獨立任務
• 防止不相關的工作污染上下文

它們協同工作

最美妙的部分在於：這些不是相互競爭的技術。它們是互補的層級。

一個複雜的工作流可能同時使用這三者：

1. MCP 連接 Salesforce 拉取銷售資料
2. 技能 定義資料分析流程——如何計算指標，產生報告
3. Subagent 平行處理不同區域的分析

在我自己的寫作工作流中：

• 技能定義了我的校對規則和風格指南
• 腳本（打包在技能中）將圖片上傳到我的託管服務
• 我正計畫新增 MCP 來連接我的素材資料庫

為什麼 Simon Willison 說技能可能比 MCP 更重要

Simon Willison 是 AI 開發者社群中最受尊敬的聲音之一。當他寫道「技能可能比 MCP 更重要」時，人們開始關注。在使用這兩者幾個月後，我完全明白了他為什麼這麼說。

理由 1：Token 效率

MCP 有一個根本問題：Token 膨脹。

當你連接一個 MCP 伺服器時，Claude 需要了解該伺服器能做什麼。每一個可用函式，每一個參數，每一個回傳型別——所有這些都需要在上下文中。Simon 指出，僅官方 GitHub MCP 伺服器就消耗了數萬個 Token。

技能優雅地避開了這個問題。僅載入元數據（每個 100 Token），然後在觸發時才載入完整的指令。效率上的差異是驚人的。

理由 2：簡單性優勢

要建構一個 MCP 伺服器，你需要：

• 理解協定規範
• 編寫伺服器端程式碼
• 正確配置 JSON
• 處理通訊和錯誤狀態

要建構一個技能？

只需寫 Markdown。

如果你會寫文件，你就會寫技能。門檻的差異是巨大的。而在技術領域，更低的創作門檻總是導致爆炸性的成長。

理由 3：跨平台相容性

MCP 伺服器通常是特定於宿主的。為 Claude Code 建構的東西如果不經修改可能無法在其他地方運作。

技能只是包含 Markdown 和可選腳本的資料夾。它們不依賴於 Anthropic 的專有技術。Simon 指出，你可以將同一個技能資料夾指向 Codex CLI, Gemini CLI — 即使沒有原生的技能支援，它們也能運作，因為技能的核心只是結構良好的指令。

這種可移植性正是 OpenAI 在 Codex CLI 中採用基本相同架構的原因。技能正在成為一種通用標準。

理由 4：寒武紀大爆發預言

「我預測技能將帶來比去年 MCP 熱潮更壯觀的寒武紀大爆發。」

為什麼？因為當創作門檻降得足夠低時，社群貢獻就會爆發。編寫 MCP 伺服器需要後端開發技能。編寫技能只需要知道如何寫文件。

我們已經看到這個預言成真。技能市場遍地開花。GitHub 儲存庫裡充滿了社群貢獻。生態系統的成長速度超出了所有人的預期。

我自己的觀察

在使用了這兩種技術幾個月後，我同意 Simon 的評估。技能感覺更符合 LLM 自然的工作方式——理解文字，遵循指令，根據上下文應用知識。

MCP 代表了傳統的軟體工程思維：定義介面，實現服務，處理協定。

技能代表了 LLM 原生思維：清楚地寫下如何做某事，讓模型自己弄清楚何時以及如何應用它。

兩者都有其位置。但技能可能是更深刻的範式轉變。

完美技能的解剖學結構

讓我帶你了解一個精心製作的技能的結構。這不僅是理論——理解這個解剖結構將使本指南中的其他一切變得清晰。

資料夾結構

my-skill/
├── SKILL.md                 # 核心指令（必需）
├── scripts/
│   └── process.py           # 可執行腳本
├── references/
│   └── DETAILED_GUIDE.md    # 詳細參考文件
└── assets/
    └── template.md          # 範本資源

SKILL.md 檔案

這是你技能的心臟。它有兩個部分：

---
name: my-awesome-skill
description: 簡要解釋該技能的作用以及何時使用。包含觸發關鍵字。
---

# My Awesome Skill

## Instructions

Claude 在被呼叫此技能時要遵循的分步指南。

## Examples

輸入/輸出或使用模式的具體演示。

## Guidelines

要遵循的任何規則、約束或最佳實踐。

YAML Frontmatter (前置資料)

--- 標記之間的部分至關重要。這是 Claude 閱讀以決定是否使用你的技能的內容。

進階 Frontmatter 選項

除了名稱和描述，技能還支援強大的配置選項：

黃金法則：500 行

命名約定

資料夾名稱很重要。必須是小寫字母 + 連字號。沒有空格。沒有大寫。

• 好： hotspot-collector, code-review, ai-proofreading
• 壞： Hotspot Collector, codeReview, AI_Proofreading

建立你的第一個技能

這是我最重要的建議：你不需要自己寫技能。

讓我解釋一下。技能的價值在於它封裝的內容——你的工作流、你的經驗、你的 SOP。這些來自於你，透過實際工作總結出來的。但是把這些轉化為格式正確的 SKILL.md 檔案？讓 AI 來做。

你需要做的是：

1. 清楚地思考你想解決什麼問題
2. 理清你的工作流
3. 提供足夠的上下文和參考資料

然後告訴 Claude：「幫我建立一個做 XXX 的技能。」它會為你產生格式正確的檔案。

分步指南：一個簡單的例子

讓我們建立一個技能，教 Claude 使用視覺圖表和類比來解釋程式碼。

---
name: explain-code
description: 用視覺圖表和類比解釋程式碼。用於解釋程式碼如何運作，教授程式碼庫知識，或當使用者問「這是如何運作的？」時使用。
---

When explaining code, always include:

1. **Start with an analogy**: Compare the code to something from everyday life
2. **Draw a diagram**: Use ASCII art to show flow, structure, or relationships
3. **Walk through the code**: Explain step-by-step what happens
4. **Highlight a gotcha**: What's a common mistake or misconception?

Keep explanations conversational. For complex concepts, use multiple analogies.

技能存放位置

位置決定範圍：

使用官方 skill-creator

Anthropic 提供了一個專門用於建立技能的技能。很 Meta，對吧？

告訴 Claude 安裝它：

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

安裝後，你可以簡單地說：「幫我建立一個校對文章的技能」，Claude 就會使用 skill-creator 正確地產生所有內容。

將整個 GitHub 變成你的個人武庫

這是事情變得令人興奮的地方。這個技巧徹底改變了我對 AI 能力的思考方式。

這裡的洞察是：在網際網路的三十年裡，無數傑出的開發者已經解決了你幾乎能想像到的每一個問題。他們建構了工具，開源了它們，並讓任何人都可以使用。唯一的問題？這些工具大多需要部署、命令列操作、環境設定——這些障礙阻擋了普通使用者。

技能可以消除這些障礙。

核心概念

因為技能可以將腳本和指令打包在一起，你可以將整個開源專案封裝成可呼叫的能力。那些經過數千使用者多年打磨的久經考驗的程式碼，變成了你 AI 工具箱的一部分。

真實案例：影片下載

讓我透過一個實際例子來演示。假設你經常需要從 YouTube、Bilibili 和其他平台下載影片。

第 1 步：找到合適的專案。 問任何 AI：「GitHub 上有沒有開源專案可以從各種網站下載影片？」

它會指向 yt-dlp —— 一個擁有 143,000+ 星的傳奇專案，支援數千個網站。

第 2 步：將其打包為技能。

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

第 3 步：讓 Claude 規劃。 先使用 Plan 模式。Claude 會分析專案，了解其能力，並詢問你關於偏好的澄清問題。

第 4 步：建構和測試。 切換到開發模式。幾分鐘內，你就會擁有一個工作的影片下載技能。

第 5 步：根據初次執行進行迭代。 第一次使用任何封裝開源工具的技能時，你會遇到問題。YouTube 有反爬蟲機制。你可能需要安裝相依套件。記錄這些經驗並告訴 Claude 更新技能。

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

下一次？打開並下載。瞬間完成。

更多 GitHub 轉技能的想法

這些只是冰山一角。GitHub 託管著數百萬個專案——幾十年來的人類智慧，免費可用。

你不需要三頭六臂。你不需要頭上長角。在你身後站著過去幾十年全人類累積的知識。只要你想要——它就可以聽你號令。

建構自我進化的技能管理系統

現在我們進入了我花了整整兩天時間才弄清楚的領域。這是技能從「有用的工具」變成「有生命的、不斷成長的能力」的地方。

問題：從 GitHub 專案打包的技能需要維護。原始儲存庫會更新。Bug 修復。新功能出現。同時，你一直在使用你的技能並累積經驗——「這個參數更好用」，「新增這個標誌來避免那個錯誤」。你如何管理這一切？

三件套解決方案

我建構了（在 AI 的幫助下）一組三個協同工作的技能來解決這個問題：

版本控制問題

這是我一直遇到的衝突：當 GitHub 更新時，我想拉取最新的程式碼並重新產生 SKILL.md。但也我也一直在根據使用經驗迭代我的技能——微調、修復、偏好。這些修改也存在於 SKILL.md 中。

兩股力量，都在修改同一個檔案，目標完全不同。災難一觸即發。

解決方案：evolution.json

洞察：分離關注點。

GitHub 更新繼續重新產生基礎 SKILL.md 檔案。但所有累積的經驗都儲存在一個單獨的 evolution.json 檔案中。把它想像成遊戲存檔。無論主遊戲更新到什麼版本，你的存檔檔案都會保留你的進度。

當 SKILL.md 被新版本覆蓋時，evolution.json 發揮作用——將累積的智慧重新注入到新鮮的技能中。

yt-dlp-skill/
├── SKILL.md           # 基礎指令（可重新產生）
├── evolution.json     # 累積的經驗（保留）
└── scripts/
    └── download.sh    # 執行腳本

管理飛輪

有了這三部分，技能管理變成了一個自我強化的循環：

1. 使用 github-to-skills 從 GitHub 建立新技能（嵌入身分）
2. 在日常工作中使用技能，遇到邊緣情況和解決方案
3. 透過 skill-evolution-manager 自動進化技能（捕捉解決方案）
4. 透過 skill-manager 當 GitHub 儲存庫更新時更新基礎技能
5. 將進化資料合併回更新後的技能中（保留經驗）

結果：真正學習和進步的技能。不是比喻——是實際上。每次你使用它們並解決問題，它們都會變得更聰明。

我在 https://github.com/KKKKhazix/Khazix-Skills 開源了這三件套。它並不完美，但很有效。它指向了一些強大的東西：明天的技能將不是靜態文件。它們將是生命系統。

14 個官方技能寶藏清單

在建構自己的技能之前，先了解一下現有的資源。Anthropic 維護著一個官方技能庫，完美地覆蓋了常見需求。

所有技能位於：https://github.com/anthropics/skills

文件技能（閉源）

這些技能驅動著你在 Claude.ai 中看到的文件產生功能：

開發技能（Apache 2.0 開源）

創意技能

溝通和 Meta 技能

安裝方法

方法 1：自然語言

只需告訴 Claude：「安裝這個技能，專案位址是：[GitHub URL]」

方法 2：外掛市場

# 新增官方儲存庫作為市場
/plugin marketplace add https://github.com/anthropics/skills

# 安裝技能
/plugin install
# 切換到 Marketplace 標籤，選擇所需的套件

方法 3：手動拖放

下載技能資料夾並將其放在你的技能目錄中（個人用 ~/.claude/skills/，專案專用用 .claude/skills/）。

設計技能的藝術 - 深度拆解

作為一個做了多年 UX 設計的人，我發現官方設計技能特別迷人。讓我拆解一下使它們如此有效的技巧。這些模式遠不止適用於設計——它們是任何高品質技能的範本。

技巧 1：提升天花板

algorithmic-art 技能不是以「幫我用 p5.js 畫畫」開始的。它是這樣開始的：

「演算法哲學是計算美學運動，然後透過程式碼表達出來。」

這將任務從「產生作品」提升為「建立美學流派加上相應的演算法系統」。它提醒模型，輸出必須是系統性的，而不是一次性的靈感。

技巧 2：兩階段結構

兩個設計技能都使用了兩階段方法：

1. 首先，建立哲學（.md 中的概念框架）
2. 然後，將其視覺化表達（實際實現）

這強制在實現之前進行抽象。模型不會陷入「寫程式碼，調整數值」的局部最佳化。概念先行；程式碼只是表達。

技巧 3：詩意 + 工程範本

algorithmic-art 技能為哲學寫作提供了結構：

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

注意：每一點既是美學語言又是技術物件。「噪聲函數」直接映射到程式碼。「粒子行為」是可實現的。這連接了願景和執行。

技巧 4：概念種子

官方技能的一個絕妙洞察：

「概念是嵌入演算法本身的微妙、小眾的參考——不總是字面的，總是複雜的。像爵士音樂家透過演算法和聲引用另一首歌一樣思考。」

使用者主題應該嵌入在參數、行為、模式中——而不是寫在螢幕上。致敬，但藏得深一點。懂的人會感覺到；不懂的人只會覺得它看起來不錯。

技巧 5：帶自由區的範本化

技能清楚地定義了什麼是固定的（版面、品牌、控制項）和什麼是可變的（演算法、參數、顏色）。這確保了：

• 每個輸出都有一致的 UI 體驗
• 模型確切知道它可以/不能修改哪裡
• 減少因過度創造性解釋帶來的意外「驚喜」

技巧 6：作為檢查清單的工匠精神

canvas-design 技能將專業標準編碼為可檢查的規則：

• 沒有東西掉出頁面
• 沒有東西重疊
• 適當的邊距沒得商量
• 文字總是極簡的且視覺優先

這將隱性的專業知識轉化為顯性的行為約束。模型可以根據具體標準驗證自己的工作。

技巧 7：減法，而不是加法

最後的潤色步驟是天才之舉：

「為了完善作品，避免新增更多圖形；相反，完善已建立的內容。如果本能是呼叫新函式或繪製新形狀，停下來。」

這編碼了區分業餘與專業的「最後 10% 工匠精神」。當本能說「加更多」時，反問：什麼可以刪除？什麼可以對齊、合併、加強？

設計你的技能庫架構

有了幾十個技能，組織就很重要。我是這樣思考如何建構可擴充的技能庫架構的。

為什麼要拆分技能？

人們經常問：「我不能只寫一個做所有事情的大技能嗎？」

不。三個理由：

技能類型模式

我發現了四種覆蓋大多數使用案例的模式：

我的寫作技能系統

作為一個具體例子，這是我如何建構寫作技能的：

P0 核心技能（每篇文章）

• ai-proofreading: 三遍流程以降低 AI 檢測率。觸發詞：「proofread」, 「too AI」
• image-illustration: 產生圖片 + 上傳到託管 + 返回 markdown。觸發詞：「illustrate」, 在校對之後

P1 常規技能（大多數文章）

• topic-generator: 基於趨勢產生話題想法。觸發詞：「give me topics」
• long-to-x: 將長文轉換為 Twitter 貼文。觸發詞：「convert to X content」
• research-collector: 收集並整理研究材料。觸發詞：「research [topic]」

P2 偶發技能

• headline-generator: 製作抓人眼球的標題。觸發詞：「title ideas」
• seo-optimizer: 針對搜尋引擎最佳化。觸發詞：「SEO」, 「optimize for search」

技能中的錯誤處理

爆炸式成長的技能生態系統

上個月我第一次研究技能時，只發現了幾個儲存庫。現在？生態系統已經爆炸。有專門的市場、精選目錄和成千上萬的社群貢獻技能。

官方起點

Anthropic 文件： https://code.claude.com/docs/en/skills

建立和使用技能的清晰、分步指南。

官方儲存庫： https://github.com/anthropics/skills

14 個官方技能加上範例。

Agent Skills 標準： https://agentskills.io

開放標準規範。如果你想了解完整的技術規範，從這裡開始。

社群市場

精選合集

smithery.ai/skills — 數量不多，但每一個都經過品質篩選。

GitHub 上的 awesome-claude-skills — 人工精選列表。高品質，更新頻繁。

多工具目錄

mcpservers.org/claude-skills — 將 MCP 伺服器和 Claude 技能放在一起。生態系統的獨特視角。

claudemarketplaces.com — 市場的目錄。「市場的市場」。

進階模式和專業技巧

對於那些準備深入研究的人，這裡有我透過大量使用發現的模式。

動態上下文注入

!`command` 語法在技能內容到達 Claude 之前執行 shell 命令。輸出替換預留位置。

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

Forked Execution (Subagent 整合)

新增 context: fork 以隔離執行技能。技能內容成為驅動 subagent 的提示詞。

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

參數替換

使用 $ARGUMENTS 或位置參數 $0, $1 等將動態值傳遞給技能。

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

唯讀模式

使用 allowed-tools 限制技能啟動時 Claude 可以做什麼：

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

視覺輸出產生

技能可以產生在瀏覽器中開啟的互動式 HTML 檔案。這種模式適用於：

• 程式碼庫視覺化
• 相依圖
• 測試覆蓋率報告
• 資料庫架構圖
• 任何受益於互動式探索的複雜資料

捆綁的腳本完成繁重的工作；Claude 進行編排。使用者無需任何手動步驟即可獲得豐富的視覺輸出。

工作階段記錄檔

使用 ${CLAUDE_SESSION_ID} 進行特定於工作階段的操作：

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

Extended Thinking (深度思考) 觸發器

創造的狀態

我想以一些個人的話結束。

每次我研究技能時，我都會回到 2013 年的夏天。我剛剛結束中考，用積蓄買了一台筆記型電腦。我花了整個夏天折騰《上古卷軸 5：天際》的 Mod——下載它們，組合它們，調整配置檔案，看著我的遊戲變成了完全屬於我自己的東西。

那是純粹的創造樂趣。不是消費內容。不是滑 Feed 流。而是真正地建構一些東西，客製化一些東西，讓一些東西變成我的。

技能帶回了這種感覺。

指導的最酷狀態不是有一個需要不斷手把手教的油嘴滑舌的人。而是遞給他們一套手冊，看著他們翻閱、執行、自查並獨立迭代。你說得更少；他們交付得更多。

技能正是如此。

今天你可能安裝 skill-creator 並固化一個常見的動作——也許是篩選熱點話題，將錯誤記錄轉化為修復計畫，或者將連結轉換為摘要。僅僅一個。

當它成功執行時，你會理解重複使用的價值。

明天你會想要第二個。後天，你會想把你所有的流程都搬進去。

在那一點上，你進入了一個不同的狀態。

自由。創造的狀態。

GitHub 上那些傑出的開源專案——幾十年來人類智慧的結晶，免費共享。因為技能，因為 Agent，每一個普通人現在都可以駕馭這種力量。

你不需要三頭六臂。你不需要超能力。在你身後站著人類累積的知識。只要你想要——它就是你的。

如果你把現在的自己和三年前的自己相比，還有可比性嗎？看看你今天能做什麼。看看你的能力邊界擴充到了哪裡。

這個讓任何人都能成為超人的輝煌、宏偉的時代——難道不讓你感到興奮嗎？